人工智能之机器学习算法体系汇总

2017-08-02 11512

版权

本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。

简介： 参加完2017CCAI，听完各位专家的演讲后受益匪浅。立志写“人工智能之机器学习”系列，此为开篇，主要梳理了机器学习算法体系，人工智能相关趋势，Python与机器学习，以及结尾的一点感想。抱着一颗严谨学习之心，有不当之处欢迎斧正。

+关注继续查看

1.人工智能之机器学习体系汇总
2.人工智能相关趋势分析
3.结语

参加完2017CCAI，听完各位专家的演讲后受益匪浅。立志写“人工智能之机器学习”系列，此为开篇，主要梳理了机器学习方法体系，人工智能相关趋势，Python与机器学习，以及结尾的一点感恩。

Github开源机器学习系列文章及算法源码

1.人工智能之机器学习体系汇总

【直接上干货】此处梳理出面向人工智能的机器学习方法体系，主要体现机器学习方法和逻辑关系，理清机器学习脉络，后续文章会针对机器学习系列讲解算法原理和实战。抱着一颗严谨学习之心，有不当之处欢迎斧正。

01_ml_all

监督学习 Supervised learning
- 人工神经网络 Artificial neural network
  - 自动编码器 Autoencoder
  - 反向传播 Backpropagation
  - 玻尔兹曼机 Boltzmann machine
  - 卷积神经网络 Convolutional neural network
  - Hopfield网络 Hopfield network
  - 多层感知器 Multilayer perceptron
  - 径向基函数网络（RBFN） Radial basis function network(RBFN)
  - 受限玻尔兹曼机 Restricted Boltzmann machine
  - 回归神经网络（RNN） Recurrent neural network(RNN)
  - 自组织映射（SOM） Self-organizing map(SOM)
  - 尖峰神经网络 Spiking neural network
- 贝叶斯 Bayesian
  - 朴素贝叶斯 Naive Bayes
  - 高斯贝叶斯 Gaussian Naive Bayes
  - 多项朴素贝叶斯 Multinomial Naive Bayes
  - 平均一依赖性评估（AODE） Averaged One-Dependence Estimators(AODE)
  - 贝叶斯信念网络（BNN） Bayesian Belief Network(BBN)
  - 贝叶斯网络（BN） Bayesian Network(BN)
- 决策树 Decision Tree
  - 分类和回归树（CART） Classification and regression tree (CART)
  - 迭代Dichotomiser 3（ID3） Iterative Dichotomiser 3(ID3)
  - C4.5算法 C4.5 algorithm
  - C5.0算法 C5.0 algorithm
  - 卡方自动交互检测（CHAID） Chi-squared Automatic Interaction Detection(CHAID)
  - 决策残端 Decision stump
  - ID3算法 ID3 algorithm
  - 随机森林 Random forest
  - SLIQ
- 线性分类 Linear classifier
  - Fisher的线性判别 Fisher's linear discriminant
  - 线性回归 Linear regression
  - Logistic回归 Logistic regression
  - 多项Logistic回归 Multinomial logistic regression
  - 朴素贝叶斯分类器 Naive Bayes classifier
  - 感知 Perceptron
  - 支持向量机 Support vector machine
无监督学习 Unsupervised learning
- 人工神经网络 Artificial neural network
  - 对抗生成网络
  - 前馈神经网络 Feedforward neurral network
    - 极端学习机 Extreme learning machine
  - 逻辑学习机 Logic learning machine
  - 自组织映射 Self-organizing map
- 关联规则学习 Association rule learning
  - 先验算法 Apriori algorithm
  - Eclat算法 Eclat algorithm
  - FP-growth算法 FP-growth algorithm
- 分层聚类 Hierarchical clustering
  - 单连锁聚类 Single-linkage clustering
  - 概念聚类 Conceptual clustering
- 聚类分析 Cluster analysis
  - BIRCH
  - DBSCAN
  - 期望最大化（EM） Expectation-maximization(EM)
  - 模糊聚类 Fuzzy clustering
  - K-means算法 K-means algorithm
  - k-均值聚类 K-means clustering
  - k-位数 K-medians
  - 平均移 Mean-shift
  - OPTICS算法 OPTICS algorithm
- 异常检测 Anomaly detection
  - k-最近邻算法（K-NN） k-nearest neighbors classification(K-NN)
  - 局部异常因子 Local outlier factor
半监督学习 Semi-supervised learning
- 生成模型 Generative models
- 低密度分离 Low-density separation
- 基于图形的方法 Graph-based methods
- 联合训练 Co-training
强化学习 Reinforcement learning
- 时间差分学习 Temporal difference learning
- Q学习 Q-learning
- 学习自动 Learning Automata
- 状态-行动-回馈-状态-行动（SARSA） State-Action-Reward-State-Action(SARSA)
深度学习 Deep learning
- 深度信念网络 Deep belief machines
- 深度卷积神经网络 Deep Convolutional neural networks
- 深度递归神经网络 Deep Recurrent neural networks
- 分层时间记忆 Hierarchical temporal memory
- 深度玻尔兹曼机（DBM） Deep Boltzmann Machine(DBM)
- 堆叠自动编码器 Stacked Boltzmann Machine
- 生成式对抗网络 Generative adversarial networks
迁移学习 Transfer learning
- 传递式迁移学习 Transitive Transfer Learning
其他
- 集成学习算法
  - Bootstrap aggregating (Bagging)
  - AdaBoost
  - 梯度提升机（GBM） Gradient boosting machine(GBM)
  - 梯度提升决策树（GBRT） Gradient boosted decision tree(GBRT)
- 降维
  - 主成分分析（PCA） Principal component analysis(PCA)
  - 主成分回归（PCR） Principal component regression(PCR)
  - 因子分析 Factor analysis